即刻App年轻人的同好社区
下载
置顶有本书放书架很久了，一直看不进去。春节期间，等孩子睡觉后，我跑到次卧朗读，没想到一下子读了一个多小时，越到后面越好读。
朗读可以让人全身（眼、嘴、耳）投入，一旦进入那种状态，持续很简单。
朗读可以让人全身（眼、嘴、耳）投入，一旦进入那种状态，持续很简单。
1 00
#Area/技术
X 原生" = 从 0 开始就是为 X 设计的，X 不是附加功能，而是底层假设。
- 云原生：假设运行在动态、弹性的云环境中
- AI 原生：假设 AI 是核心交互和决策方式
就像一个人：
- 后天学英语的人 → 英语赋能
- 英语母语者 → 英语原生
X 原生" = 从 0 开始就是为 X 设计的，X 不是附加功能，而是底层假设。
- 云原生：假设运行在动态、弹性的云环境中
- AI 原生：假设 AI 是核心交互和决策方式
就像一个人：
- 后天学英语的人 → 英语赋能
- 英语母语者 → 英语原生
瓦恁: ai native这个词太朦胧了，今天听朋友讲他的定义豁然开朗
0 00
你是不是也想在工作中用 AI 做点什么？如果暂时没思路，可以看看我最近几个月做的 3 个 AI 应用，已经在使用了，效果不错。这三个应用都是通过美团的大象机器人实现用户触达。下面一起来看它们的功能和实现思路。
一：常见业务问题排查助手
我在美团 Keeta 负责外卖出海业务的 C 端用户营销。平时要处理客服反馈的问题，比如：“为什么这个用户看不到膨胀券？”、“买的券包怎么不能用了？”
开发人员排查一个问题需要一定时间，而每天遇到的案例又高度相似，效率较低。通过分析发现，这些问题大致分为两类：一类需要查 logcenter 日志定位，一类需要跨多张表关联排查。
于是我借助 AI 开发了一个常见业务问题排查助手。它是一个 agent（智能体），挂载了多个工作流，每个工作流负责处理一类问题。
你可能会问：一个 agent 挂了多个工作流，它怎么知道该走哪条？这正是 agent 的智能所在。只要清晰描述每个工作流的能力，agent 就能根据用户意图自动选择合适流程。当然，你也可以在 agent 的 prompt 中进行限定。
你在工作中肯定也经常排查业务问题，试着看看是否有排查 SOP，有的话，能不能将其自动化。
二：开国路测问题自动路由上报助手
这种国际化业务开疆拓土就要开国，而不同国家的业务逻辑，呈现风格等不太一样，所以每次开城都会进行路测，也就是人工测试外卖下单、配送等全流程，查找问题。
之前的流程是在在一个大群里反馈问题，由专人整理至多维表格，并人工分派给研发排查，整个流程效率非常低。
我们把问题上报和路由研发的整个流程做成了自动化。只需在群里@机器人并描述问题（可附截图），助手就能自动识别用户意图，创建 TT 工单并路由至对应研发组。
核心思路是利用两套映射配置：
一套为{hashtag：问题描述的映射}；
另一套为{hashtag：TT 工单承接组信息}。
模型先根据用户反馈匹配最相关的问题描述 hashtag（类似倒排索引），再用该 hashtag 查找对应的工单接收组（正排索引），并调用接口创建 TT。
该助手已支持 GCC 开卡塔尔、科威特、阿联酋、巴西等市场，反馈非常好。这个工具，可能不太好借鉴，可以想想。
三：告警智能分析助手
这个是最近一个月我在 AIOps 上的探索的小成果，如果直接从 AIOps 整体入手，难度较高，因此我选择从告警分析这一具体场景切入。
告警分析依赖于告警触发源及多类数据支撑。我的方案是消费 AC 告警 MQ 消息作为触发源。由于该 MQ 包含全公司告警信息，消息量极大，因此需要按服务、告警来源和级别等条件逐层过滤，最终筛选出目标服务的告警并落库。
随后，定时任务会扫描最近一段时间内的告警信息，启动分析流程。
整体实现关键仍在于数据整合——包括业务指标、变更信息（服务、配置、上下游）、系统指标（CPU、内存等）以及中间件数据（MQ、Redis、DB等）。
我通过 agent 挂载 mcp tool，并对接已有的其他数据 agent，避免重复造轮子。最后由整合 agent 汇总结果，过滤无关信息，将可读性强的分析报告推送至大象群。
因为公司政策限制，暂不便展示截图或更多细节，但整体思路并不复杂——关键是拿到数据，并让 AI 帮你分析。
后面还会进行迭代和其他方向的探索，到时候再与你分享。
一：常见业务问题排查助手
我在美团 Keeta 负责外卖出海业务的 C 端用户营销。平时要处理客服反馈的问题，比如：“为什么这个用户看不到膨胀券？”、“买的券包怎么不能用了？”
开发人员排查一个问题需要一定时间，而每天遇到的案例又高度相似，效率较低。通过分析发现，这些问题大致分为两类：一类需要查 logcenter 日志定位，一类需要跨多张表关联排查。
于是我借助 AI 开发了一个常见业务问题排查助手。它是一个 agent（智能体），挂载了多个工作流，每个工作流负责处理一类问题。
你可能会问：一个 agent 挂了多个工作流，它怎么知道该走哪条？这正是 agent 的智能所在。只要清晰描述每个工作流的能力，agent 就能根据用户意图自动选择合适流程。当然，你也可以在 agent 的 prompt 中进行限定。
你在工作中肯定也经常排查业务问题，试着看看是否有排查 SOP，有的话，能不能将其自动化。
二：开国路测问题自动路由上报助手
这种国际化业务开疆拓土就要开国，而不同国家的业务逻辑，呈现风格等不太一样，所以每次开城都会进行路测，也就是人工测试外卖下单、配送等全流程，查找问题。
之前的流程是在在一个大群里反馈问题，由专人整理至多维表格，并人工分派给研发排查，整个流程效率非常低。
我们把问题上报和路由研发的整个流程做成了自动化。只需在群里@机器人并描述问题（可附截图），助手就能自动识别用户意图，创建 TT 工单并路由至对应研发组。
核心思路是利用两套映射配置：
一套为{hashtag：问题描述的映射}；
另一套为{hashtag：TT 工单承接组信息}。
模型先根据用户反馈匹配最相关的问题描述 hashtag（类似倒排索引），再用该 hashtag 查找对应的工单接收组（正排索引），并调用接口创建 TT。
该助手已支持 GCC 开卡塔尔、科威特、阿联酋、巴西等市场，反馈非常好。这个工具，可能不太好借鉴，可以想想。
三：告警智能分析助手
这个是最近一个月我在 AIOps 上的探索的小成果，如果直接从 AIOps 整体入手，难度较高，因此我选择从告警分析这一具体场景切入。
告警分析依赖于告警触发源及多类数据支撑。我的方案是消费 AC 告警 MQ 消息作为触发源。由于该 MQ 包含全公司告警信息，消息量极大，因此需要按服务、告警来源和级别等条件逐层过滤，最终筛选出目标服务的告警并落库。
随后，定时任务会扫描最近一段时间内的告警信息，启动分析流程。
整体实现关键仍在于数据整合——包括业务指标、变更信息（服务、配置、上下游）、系统指标（CPU、内存等）以及中间件数据（MQ、Redis、DB等）。
我通过 agent 挂载 mcp tool，并对接已有的其他数据 agent，避免重复造轮子。最后由整合 agent 汇总结果，过滤无关信息，将可读性强的分析报告推送至大象群。
因为公司政策限制，暂不便展示截图或更多细节，但整体思路并不复杂——关键是拿到数据，并让 AI 帮你分析。
后面还会进行迭代和其他方向的探索，到时候再与你分享。
我在美团做的 3 个 AI 应用
0 00
“这玩意儿怎么会有人买？”——当你这么想时，已经掉进了最大的逻辑陷阱
你有没有在群里遇到过这样一种提问——明明一个东西很多人用、市场很大，却总有人冒出来问：“这玩意儿还有人用？”
本周五，我就遇上了。我转发了一篇美团外卖出海平台 Keeta 进军巴西的新闻，本想聊聊出海，没想到一位群友抛来一句：“美团外卖那么贵？为啥还有人用？”
我第一反应是：这问题真“der”。没人用，每天 8000 万的订单难道是假的？但转念一想，在群里列数据、讲道理，太累。
于是，我复制了他的句式，直接回敬了过去：“耐克鞋那么贵，为啥还有人买？”
懂的人自然懂。这已经不是一个问题，而是一个答案。我用他的逻辑公式，替他完成了一次推演：任何“贵”却依然拥有庞大市场的商品或服务，背后必然有支撑其价格的价值体系。
我以为，这个类比能让他秒懂。
可惜，他没接住。反而认为我逻辑有问题，反问：“是一码事吗？”，我也毫不客气地回了句：“不是吗？”，随后我就隐身了。
后面看到华哥引用了最初那句疑问，说了一段让我回味的话：
“这个疑问展现了一个典型的逻辑陷阱：推己及人。把自己的价值观和判断认为是所有人的判断，但是其他人的行为又和自己的判断是矛盾的，于是要么产生疑问，更甚者会嘲讽谩骂。
‘贵’是你的事实，其他人为什么用是你的疑问。
牙哥已经用你的疑问模式告诉了你答案。”
看到最后一句，我笑了。
是啊，我未曾反驳，只是用他的逻辑，回敬了他的问题。
但你发现没有？这样的逻辑陷阱，其实遍布我们的生活。每次你想不通“这东西怎么会有人买”，或许都不是世界出了问题，而是我们看世界的角度，还没转过弯来。
你有没有在群里遇到过这样一种提问——明明一个东西很多人用、市场很大，却总有人冒出来问：“这玩意儿还有人用？”
本周五，我就遇上了。我转发了一篇美团外卖出海平台 Keeta 进军巴西的新闻，本想聊聊出海，没想到一位群友抛来一句：“美团外卖那么贵？为啥还有人用？”
我第一反应是：这问题真“der”。没人用，每天 8000 万的订单难道是假的？但转念一想，在群里列数据、讲道理，太累。
于是，我复制了他的句式，直接回敬了过去：“耐克鞋那么贵，为啥还有人买？”
懂的人自然懂。这已经不是一个问题，而是一个答案。我用他的逻辑公式，替他完成了一次推演：任何“贵”却依然拥有庞大市场的商品或服务，背后必然有支撑其价格的价值体系。
我以为，这个类比能让他秒懂。
可惜，他没接住。反而认为我逻辑有问题，反问：“是一码事吗？”，我也毫不客气地回了句：“不是吗？”，随后我就隐身了。
后面看到华哥引用了最初那句疑问，说了一段让我回味的话：
“这个疑问展现了一个典型的逻辑陷阱：推己及人。把自己的价值观和判断认为是所有人的判断，但是其他人的行为又和自己的判断是矛盾的，于是要么产生疑问，更甚者会嘲讽谩骂。
‘贵’是你的事实，其他人为什么用是你的疑问。
牙哥已经用你的疑问模式告诉了你答案。”
看到最后一句，我笑了。
是啊，我未曾反驳，只是用他的逻辑，回敬了他的问题。
但你发现没有？这样的逻辑陷阱，其实遍布我们的生活。每次你想不通“这东西怎么会有人买”，或许都不是世界出了问题，而是我们看世界的角度，还没转过弯来。
0 00
向外卖小哥问路，连续两次被说“不知道”；而“竞对”的店员却热心指路
向外卖小哥问路，连续两次被说“不知道”；而“竞对”的店员却热心指路
本周四，我和同事去商场吃饭，结果在商场里绕了好一会儿，都找不到店的位置。想了想，外卖小哥平时经常跑进这些店取餐，应该对这些餐厅了如指掌。于是，我决定找个外卖小哥问路。
走在前方时，正好碰到一位外卖小哥，他戴着安全帽，手里拎着刚取的餐，眼睛盯着手机屏幕。我走上前，问：“哥，你知道眉州东坡在哪吗？”他头也不抬，简单回答：“不知道。”
有些失望，我继续往前走，没多久又碰到一位外卖小哥，我再次问了同样的问题，结果得到了相同的回答。其实，那家店已经离我非常近了，只要再走几步，斜下眼镜（散光的人懂）就能看到。
当时我有些疑惑：外卖小哥不是对商场的餐厅最熟悉吗？为什么两个小哥都说不知道？他们平时是怎么取餐的？是真不知道，还是不想说呢？
后来，我问了一家餐厅的服务员，她热心地给我指路。我本以为，这些餐厅之间应该是竞争关系，服务员不一定愿意帮忙，结果她不仅提供了指引，还非常亲切。这让我不禁对外卖小哥的“不知道”有了更多的思考。
我尝试分析原因，发现“最应该知道的人”却说不知道，背后有更多的因素。
向外卖小哥问路，连续两次被说“不知道”；而“竞对”的店员却热心指路
本周四，我和同事去商场吃饭，结果在商场里绕了好一会儿，都找不到店的位置。想了想，外卖小哥平时经常跑进这些店取餐，应该对这些餐厅了如指掌。于是，我决定找个外卖小哥问路。
走在前方时，正好碰到一位外卖小哥，他戴着安全帽，手里拎着刚取的餐，眼睛盯着手机屏幕。我走上前，问：“哥，你知道眉州东坡在哪吗？”他头也不抬，简单回答：“不知道。”
有些失望，我继续往前走，没多久又碰到一位外卖小哥，我再次问了同样的问题，结果得到了相同的回答。其实，那家店已经离我非常近了，只要再走几步，斜下眼镜（散光的人懂）就能看到。
当时我有些疑惑：外卖小哥不是对商场的餐厅最熟悉吗？为什么两个小哥都说不知道？他们平时是怎么取餐的？是真不知道，还是不想说呢？
后来，我问了一家餐厅的服务员，她热心地给我指路。我本以为，这些餐厅之间应该是竞争关系，服务员不一定愿意帮忙，结果她不仅提供了指引，还非常亲切。这让我不禁对外卖小哥的“不知道”有了更多的思考。
我尝试分析原因，发现“最应该知道的人”却说不知道，背后有更多的因素。
一方面，外卖小哥的工作时间被“系统”绑架，配送任务的时间通常紧得很，超时会受到惩罚。因此，外卖小哥常常小跑穿梭，注意力几乎都集中在高效完成任务上。任何与配送无关的事情，都可能被他们的潜意识过滤掉，问路成了对他们的干扰。
另一方面，说“不知道”也是一种低风险的回应。外卖小哥并没有从商场或餐厅获得任何利益，错指道路可能带来麻烦，因此他们更倾向于选择保持“中立”。这种行为，看似冷漠，实际上是在压力和效率的双重驱使下做出的最理性选择。
相反，餐厅的服务员背后代表着具体的品牌，她的行为直接影响到饭店的形象。一句热心的指路，不仅让顾客对她产生好感，也可能提升餐厅的品牌形象。
每个人的行为，往往是其所处系统的投射。我们不应仅凭“善良”与“冷漠”来评判他人，而应该理解他们背后的压力和考核机制。
如果你下次遇到类似情况，或许可以多一点理解，少一点怨气。毕竟他们也许正承受着你看不到的压力。希望我们都能在充满算法的世界里，偶尔做一个‘不划算’的好人，愿意付出理解与帮助，哪怕那并不总是最有利的选择。同时，也希望在面对他人的冷漠回应时，能多一份宽容，少一点怨气。
向外卖小哥问路，连续两次被说“不知道”；而“竞对”的店员却热心指路
本周四，我和同事去商场吃饭，结果在商场里绕了好一会儿，都找不到店的位置。想了想，外卖小哥平时经常跑进这些店取餐，应该对这些餐厅了如指掌。于是，我决定找个外卖小哥问路。
走在前方时，正好碰到一位外卖小哥，他戴着安全帽，手里拎着刚取的餐，眼睛盯着手机屏幕。我走上前，问：“哥，你知道眉州东坡在哪吗？”他头也不抬，简单回答：“不知道。”
有些失望，我继续往前走，没多久又碰到一位外卖小哥，我再次问了同样的问题，结果得到了相同的回答。其实，那家店已经离我非常近了，只要再走几步，斜下眼镜（散光的人懂）就能看到。
当时我有些疑惑：外卖小哥不是对商场的餐厅最熟悉吗？为什么两个小哥都说不知道？他们平时是怎么取餐的？是真不知道，还是不想说呢？
后来，我问了一家餐厅的服务员，她热心地给我指路。我本以为，这些餐厅之间应该是竞争关系，服务员不一定愿意帮忙，结果她不仅提供了指引，还非常亲切。这让我不禁对外卖小哥的“不知道”有了更多的思考。
我尝试分析原因，发现“最应该知道的人”却说不知道，背后有更多的因素。
向外卖小哥问路，连续两次被说“不知道”；而“竞对”的店员却热心指路
本周四，我和同事去商场吃饭，结果在商场里绕了好一会儿，都找不到店的位置。想了想，外卖小哥平时经常跑进这些店取餐，应该对这些餐厅了如指掌。于是，我决定找个外卖小哥问路。
走在前方时，正好碰到一位外卖小哥，他戴着安全帽，手里拎着刚取的餐，眼睛盯着手机屏幕。我走上前，问：“哥，你知道眉州东坡在哪吗？”他头也不抬，简单回答：“不知道。”
有些失望，我继续往前走，没多久又碰到一位外卖小哥，我再次问了同样的问题，结果得到了相同的回答。其实，那家店已经离我非常近了，只要再走几步，斜下眼镜（散光的人懂）就能看到。
当时我有些疑惑：外卖小哥不是对商场的餐厅最熟悉吗？为什么两个小哥都说不知道？他们平时是怎么取餐的？是真不知道，还是不想说呢？
后来，我问了一家餐厅的服务员，她热心地给我指路。我本以为，这些餐厅之间应该是竞争关系，服务员不一定愿意帮忙，结果她不仅提供了指引，还非常亲切。这让我不禁对外卖小哥的“不知道”有了更多的思考。
我尝试分析原因，发现“最应该知道的人”却说不知道，背后有更多的因素。
一方面，外卖小哥的工作时间被“系统”绑架，配送任务的时间通常紧得很，超时会受到惩罚。因此，外卖小哥常常小跑穿梭，注意力几乎都集中在高效完成任务上。任何与配送无关的事情，都可能被他们的潜意识过滤掉，问路成了对他们的干扰。
另一方面，说“不知道”也是一种低风险的回应。外卖小哥并没有从商场或餐厅获得任何利益，错指道路可能带来麻烦，因此他们更倾向于选择保持“中立”。这种行为，看似冷漠，实际上是在压力和效率的双重驱使下做出的最理性选择。
相反，餐厅的服务员背后代表着具体的品牌，她的行为直接影响到饭店的形象。一句热心的指路，不仅让顾客对她产生好感，也可能提升餐厅的品牌形象。
每个人的行为，往往是其所处系统的投射。我们不应仅凭“善良”与“冷漠”来评判他人，而应该理解他们背后的压力和考核机制。
如果你下次遇到类似情况，或许可以多一点理解，少一点怨气。毕竟他们也许正承受着你看不到的压力。希望我们都能在充满算法的世界里，偶尔做一个‘不划算’的好人，愿意付出理解与帮助，哪怕那并不总是最有利的选择。同时，也希望在面对他人的冷漠回应时，能多一份宽容，少一点怨气。
0 00